姜華 周克江

摘要：研究一類在多粒度時間下單事件同屬性不同狀態(tài)之間有一定關(guān)聯(lián)的近似周期規(guī)律挖掘問題。給出了多粒度近似周期關(guān)聯(lián)規(guī)則模型形式化的數(shù)學(xué)定義和性質(zhì)，構(gòu)造了相關(guān)模型，提出了利用聚類算法挖掘周期模式并應(yīng)用于股票數(shù)據(jù)進行實驗，實驗結(jié)果表明算法是有效的。

關(guān)鍵字：近似周期;關(guān)聯(lián)規(guī)則;多粒度時間;數(shù)據(jù)挖掘

中圖分類號：TP339 文獻標(biāo)識碼：A

大數(shù)據(jù)下的數(shù)據(jù)挖掘是當(dāng)前的研究熱點，這些數(shù)據(jù)往往是隨時間變化的，即帶有顯性的或隱性的時態(tài)特征，如何從大數(shù)據(jù)中挖掘出有意義的時態(tài)周期模式是值得研究的一個方向。

國內(nèi)外已經(jīng)有了一些關(guān)于周期模式的挖掘研究[1-3]，但對近似周期的挖掘并不多見。然而現(xiàn)實世界中很多時間周期都不是嚴格的完美周期，比如說月經(jīng)周期是21天-35天，并不是嚴格的30天，股票周期可能是7天-10天左右上漲一次等，并不是恰好7天。由于一些干擾因素的存在，嚴格的精確的周期模式挖掘往往會錯過一些有效的周期模式，為此我們提出了近似周期模式挖掘。文獻[4]提出的近似周期關(guān)聯(lián)規(guī)則是基于單一時間粒度，不過現(xiàn)實生活中人們往往更習(xí)慣于用多時間粒度來表示時間，比如說潮汐周期是24小時50分鐘，而不說1490分鐘。因此，文獻[5]提出了多粒時間下的近似周期挖掘，他們能發(fā)現(xiàn)股票周期大約是6分20秒左右上漲一次，但并不能發(fā)現(xiàn)多粒度時間下股票的上漲和下跌之間是否存在周期性關(guān)聯(lián)。為此，提出多粒度時間下的近似周期關(guān)聯(lián)規(guī)則挖掘問題，它能發(fā)現(xiàn)在多粒度時間下單事件同屬性不同狀態(tài)之間有一定關(guān)聯(lián)的近似周期規(guī)律。

1 模型構(gòu)造

3 實驗結(jié)果與分析

算法對2005年9月1日至2005年9月2日的580000寶鋼JTBI股票數(shù)據(jù)進行了實驗，以（分，10秒）為多粒度時間格式，買一價屬性編碼化狀態(tài)規(guī)則同文獻[2]。給定支持度閾值s= 5%，置信度閾值c= 55%，多粒度周期長度閾值L=（10，0）。在實驗中，發(fā)現(xiàn)了許多滿足要求多粒度近似周期關(guān)聯(lián)規(guī)則模式，這里僅列出部分最有意義的實驗結(jié)果于表1中。

從表1可看出：（1）若A模式覆蓋B模式，隨著近似精度的增大，A模式的支持度和置信度也都增大。當(dāng)近似精度為（0，0）時，均未發(fā)現(xiàn)滿足要求的周期規(guī)律，即沒有發(fā)現(xiàn)嚴格意義上精確的多粒度近似周期關(guān)聯(lián)規(guī)則，但當(dāng)考慮到周期可能會出現(xiàn)一定的干擾，從而放寬了近似精度的時候，發(fā)現(xiàn)了很多滿足要求的多粒度近似周期關(guān)聯(lián)規(guī)則。（2）（買一價，5[（6，1）.（7，1）]，3）表明股票580000寶鋼JBTI的買一價大幅上漲和正常波動之間存在一定的多粒度周期關(guān)聯(lián)，在某個多粒度時間股票處于大幅上漲時，那么大約相隔6分10秒到7分10秒左右有94.047623%的可能性會出現(xiàn)正常波動，那么我們可以提前拋售此股票，以避免損失。（買一價，5[（9，0），（10，0）]，3）表明股票580000寶鋼JBT1的買一價小幅下跌和正常波動之間存在一定的多粒度周期關(guān)聯(lián)，在某個多粒度時間處于小幅下跌時，那么大約相隔9分0秒到10分0秒左右有92.105263%的可能性會出現(xiàn)正常波動，那么此時我們可以提前購進此股票，在相隔9分到10分鐘左右拋出從而獲利。

4 結(jié)論

提出了一類多粒度時間下的多粒度近似周期關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘問題，它適用于發(fā)現(xiàn)在多粒度時間下的單事件同屬性不同狀態(tài)之間有一定關(guān)聯(lián)的近似周期規(guī)律。即能發(fā)現(xiàn)在多粒度時間下A股票價格上漲和下跌之間的近似周期性關(guān)聯(lián)規(guī)則，但A股票價格的上漲下跌是否與B股票的上漲下跌存在周期性關(guān)聯(lián)，又或者A股票價格的上漲下跌加之B股票價格的上漲下跌是否和C股票的價格波動存在周期規(guī)律，這類多粒度時間下的多事件多維屬性狀態(tài)之間的近似周期關(guān)聯(lián)規(guī)則值得進一步研究，此外，多粒度近似周期關(guān)聯(lián)規(guī)則在大數(shù)據(jù)學(xué)習(xí)分析領(lǐng)域的應(yīng)用研究也是未來值得繼續(xù)研究的一個方向。

參考文獻

[1]ANIRUDH A.KIRANYRU.REDDY P K.et al.Memory efficientmining of periodic—frequent patterns in transactional databases[C]//Computational Intelligence，IEEE，2017：1—8.

[2] LIN C W，ZHANG J，F(xiàn)OURNIER—VIGER P，et al.Emcientmining（）f short periodic high—utility itemsets [C]//IEEEIntemational Conference on Systems，Man，and Cybemetics.IEEE，2017：003083～003088.

[3] SAMOLIYA M，TIWARI A.0n the use of rough set theory forminingperiodicfrequent pattems[J].IJSART，2015，11（1）：21— 28.

[4]姜華，孟志清，周克江.一類時態(tài)近似周期關(guān)聯(lián)規(guī)則的知識發(fā)現(xiàn)問題[J]計算機T程與應(yīng)用，2010，46（20）：241—244.

[5]姜華，孟志清，周克江，等.多粒度時間下的近似周期挖掘研究[J].計算機T程，2010年，3（36）：83—85，88.